一种物联网的访问控制方法、用户设备以及系统

    公开(公告)号:CN113329003B

    公开(公告)日:2022-02-11

    申请号:CN202110564781.7

    申请日:2021-05-24

    Applicant: 广州大学

    Abstract: 本发明公开了一种物联网的访问控制方法、用户设备以及系统。所述用户设备包括指令获取模块、访问控制模块以及结果接收模块。所述系统包括中心服务器、代理服务器、网关、物联网设备以及用户设备。通过基于身份的加密技术以及基于消息队列传输协议的代理服务器相配合,同时,通过在生成第一权能令牌链时事先验证所述第一用户的数字证书,在验证通过后,将数字证书放置在所述第一权能令牌链中并对其签名,该方法、用户设备以及系统不仅避免了大量密钥的产生以及随之而来的密钥管理负担,还使针对访问者数字证书的验证程序与第一权能令牌链的签名验证程序一起进行,在保证访问控制合法性的前提下提升了访问控制的响应速度。

    一种基于时间能力树的物联网访问控制方法及装置

    公开(公告)号:CN113507443A

    公开(公告)日:2021-10-15

    申请号:CN202110654367.5

    申请日:2021-06-10

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于时间能力树的物联网访问控制方法及装置,该方法包括:根据访问控制权限生成对应的初始能力令牌,加密后发送至第一用户;接收第一用户发送的第一资源请求以及能力令牌,在判断到能力令牌合法后,将第一资源请求对应的资源对象发送至第一用户;建立时间能力树,将时间能力树存储至资源对象的时间能力树库中,并将使用时间能力树的时间记入节点时间序列;根据第二用户发送的第二资源请求,更新时间能力树;接收第一用户发送的第三资源请求,将第三资源请求的对象发送至第一用户,并将此时的时间记入节点时间序列。本发明实施例能够有效减少物联网访问控制的工作量,以及降低安全隐患。

    一种基于Wi-Fi信号波动的IoT设备安全自动配对方法及装置

    公开(公告)号:CN112492609A

    公开(公告)日:2021-03-12

    申请号:CN202011421301.3

    申请日:2020-12-07

    Applicant: 广州大学

    Abstract: 本发明涉及公开了基于Wi-Fi信号波动的IoT设备安全自动配对方法,包括:控制待配对设备与信任链中的原有安全设备同时向Wi-Fi设备发射规定格式的Wi-Fi数据包;所述Wi-Fi设备对所述Wi-Fi数据包进行预处理,获得Wi-Fi信号的信道状态信息;对所述Wi-Fi信号的信道状态信息进行降噪和滤波处理;并对处理后的Wi-Fi信号的信道状态信息进行特征提取,并生成相应的特征密钥;判断待配对设备的特征密钥和原有安全设备的特征密钥是否相同,若是,则自动进行配对所述待配对设备;若否,则不允许配对所述待配对设备。通过本发明,用户不需要输入密码等参与配对的行为,只需将IoT设备带入房间即可自动配对,更加适合于未来万物互联的IoT场景。

    基于强化学习的隐私策略优化方法、系统及可读存储介质

    公开(公告)号:CN112214791A

    公开(公告)日:2021-01-12

    申请号:CN202011015760.1

    申请日:2020-09-24

    Abstract: 本发明公开了一种基于强化学习的隐私策略优化方法、系统及可读存储介质,所述方法包括:在移动端部署输入样本特征提取器,在云端部署输入样本重构器、目标分类器及隐私分类器,以完成初始模型的初始化;通过测试样本集对初始模型进行测试,将测试信息、当前的超参数和层数存储于为一信息单元;将信息单元的状态信息输入超参数优化器中进行超参数信息优化方案的选择、执行与优化方案奖励值的计算,并根据计算结果进行超参数优化器样本的增加、优化方案价值的更新及超参数优化器网络参数的更新;通过当前超参数优化器网络对初始模型进行优化,并获取最终的超参数优化结果和层数n。本发明能够在尽量不降低业务准确率的情况下提高隐私保护效果。

    一种基于大语言模型的无服务器智能资源调度系统

    公开(公告)号:CN119883626A

    公开(公告)日:2025-04-25

    申请号:CN202411957990.8

    申请日:2024-12-27

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于大语言模型的无服务器智能资源调度系统,通过大语言模型指导资源调度器,实现应用在分布式系统中的高效调度和资源利用优化。该技术通过对应用的负载需求、系统状态和资源分布进行实时分析和动态调整,使得调度器能够灵活适应复杂多变的工作负载环境,确保计算资源的高效利用和系统的高可用性。本发明旨在提升无服务器架构下资源调度的智能化水平,降低系统运行成本,并提高系统的稳定性和性能。

    一种基于图神经网络的DNS流量异构图中C&C服务器检测方法

    公开(公告)号:CN118233196B

    公开(公告)日:2025-03-28

    申请号:CN202410427058.8

    申请日:2024-04-09

    Applicant: 广州大学

    Abstract: 本发明提供了一种基于图神经网络的DNS流量异构图中C&C服务器检测方法,属于网络安全技术领域,该方法包括:获取DNS流量数据,通过GRU模型判断所述DNS流量数据中域名是否为恶意域名,并将对应的判断标签添加至流量数据对应的域名节点;根据DNS流量数据构建DNS流量异构图,对所述DNS流量异构图进行聚合投影以及语义融合处理后,获得异构图每个节点的最终嵌入向量;将所述每个节点的最终嵌入向量通过线性层和Sigmoid激活函数进行二分类,确定所述服务器IP节点属于良性服务器还是C&C服务器。本发明采用图神经网络分析流量异构图的方式,大大提高了对C&C服务器的检测效率与检测准确性。

    一种基于4W1L模型的物联网访问控制中数据水印溯源方法

    公开(公告)号:CN116980119B

    公开(公告)日:2024-07-12

    申请号:CN202310817891.9

    申请日:2023-07-04

    Applicant: 广州大学

    Abstract: 本发明公开一种基于4W1L模型的物联网访问控制中数据水印溯源方法,涉及计算机网络空间安全领域。其中,包括以下步骤:S1:建立4W1L模型M,同时将设备之间的关系存储在图数据库中;S2:基于模型M和AES加密算法,对不同设备进行加密,生成4个水印,将4个水印进行拼接,得到水印WM,随后将水印WM嵌入到原始文件中得到WMF,并对WMF进行加密;S3:当判断WMF遭到篡改时,将WMF拆解,获得水印WM和原始文件F,将水印WM逆向解析出四个密文,在图数据库中进行搜索,便可以定位泄漏点。本方案所需计算资源较少,查询速度更快,数据关系更加明确,拓展性和灵活性更好,能够提高数据安全性和减少数据泄露的风险。

    一种基于异构信息图谱的物联网资源信誉度评估方法

    公开(公告)号:CN114844786B

    公开(公告)日:2023-11-14

    申请号:CN202210333493.5

    申请日:2022-03-31

    Applicant: 广州大学

    Abstract: 本发明涉及物联网技术领域,且公开了一种基于异构信息图谱的物联网资源信誉度评估方法,通过以异构图结构的形式进行描述,对图G的描述为G= ,整个图包括本体的集合E和关系的集合R两个部分,进一步描述如下:本体(Entity,简写为E)在整个图结构中以节点的形式存在,分为两类,分别是核心本体(Central Entity,简写为CE)和附属本体(AffiliatedEntity,简写为AE),一般描述为E= ,其中,CE是结构中最主要的本体。该基于异构信息图谱的物联网资源信誉度评估方法,主体类型多样,关系类型多样,相比传统的物联网资源描述方法,可有效描述物联网复杂、异构、多样化的整体资源拓扑情况,同时,该发明丰富的描述方法可以辅助构筑更安全的物联网防御体系。

    一种基于奇异谱分析的高频时间序列分解预测方法及装置

    公开(公告)号:CN115994616A

    公开(公告)日:2023-04-21

    申请号:CN202211465971.4

    申请日:2022-11-22

    Applicant: 广州大学

    Abstract: 本发明涉及时间序列预测技术领域,公开了一种基于奇异谱分析的高频时间序列分解预测方法及装置,方法包括如下步骤:步骤S1,通过去趋势化精确分解出高频时间序列中的趋势成分、周期成分和去趋势成分;步骤S2,采用奇异谱分析分解去趋势成分得到去趋势成分子序列;步骤S3,结合波动分析识别去趋势成分中的长程正相关、负相关和噪声成分;步骤S4,去除噪声成分后,对趋势成分、周期成分、长程正相关/负相关成分分别进行学习和预测,求和得到最终预测结果。本发明能够精确分解高频时间序列复杂成分同时能提升高频时间序列的预测精度。

    面向多模态深度学习的隐私保护方法及系统

    公开(公告)号:CN111460494B

    公开(公告)日:2023-04-07

    申请号:CN202010215476.2

    申请日:2020-03-24

    Abstract: 本发明公开了一种面向多模态深度学习的隐私保护方法及系统,该方法可用于情绪识别领域,其主要步骤如下:获取待处理音频数据、待处理图像数据和待处理文本数据;将待处理音频数据、待处理图像数据和待处理文本数据进行对应的隐私保护处理,获得待识别数据;将待识别数据输入到情绪分类模型中,获得各模态分类结果;利用动态路由协议的权重自选择算法对不同模态类别和不同情绪类别组合的权重进行自动分配,获得权重系数;根据权重系数和各模态分类结果,获得情绪识别结果;本发明能够根据数据类型来采取对应的隐私保护处理,从而防止用户信息泄露,进而提高用户体验。

Patent Agency Ranking